关键字 |
| 机器人、机制、致动器、导航、运动等。 |
介绍 |
| 环境映射被认为是移动机器人的基本技能,以真正达到自治[1]。机器人映射可以定义为收购的过程中通过感官信息环境的空间模型。允许移动机器人环境地图交互连贯地对象,人们在这种环境下。机器人可以安全地导航、识别周围的对象,灵活地处理意料之外的情况。没有地图的一些重要操作可以复杂对象的位置的确定机器人的环境和运动的定义。这些问题涉及正确映射任务执行的重要性,因为收购不准确的地图可以导致错误的推断正确定位的机器人,导致一个不完美的执行这些操作。因此之间存在相互依赖推断机器人的精确定位和建立一个精确的地图[2]。有一些研究在机器人完成映射提出代表环境映射的方法,他们担心在处理高维映射环境。度规表示存储环境的几何性质,而拓扑表示描述不同地方之间的连通性。在公制表示,入住率电网脱颖而出,提供一个相对准确的映射的繁殖环境。 |
研究目标 |
| 研究的重要目标是提供一个计算机基础解决方案来控制机器人基于不同的传感器,软件和硬件。我们将提前检查机器人控制执行机构和传感器的帮助下将帮助其移动机器人导航墙的不同方向,同时避免由于建筑结构不同的障碍。这是通过开发一个机器人控制模型。 |
文献调查 |
| 机器人是由可移动的物理结构,电力系统(液压、电气或气动),传感器系统,各部分发动机和一个“大脑”,它告诉该怎么做。他们可能有一个“手臂”,所谓的端效应或使用工具或可以触手。他们通常会有一个传感器,使他们能够获得周围正在发生的事情的信息。本文贡献与机器人的特点,基于控制系统。as如何促进发展的体系结构和分层表示命令和管理一群移动机器人。这个模型包含拓扑和几何表示在控制系统的帮助下,根据不同的控制路径规划、电子传感器、数字组件力学,协调,动作,学习和适应。空间的拓扑检查提前知道,机器人能够导航墙的沿着不同的方向,同时避免由于建筑结构不同的障碍。 |
| 随着机器人技术的研究仍在继续,更多地参与过去的十年中,需要一个智能导航系统已经实现。许多学生和世界各地的研究人员花了大量的时间在一个人工的方法开发新代理在本地和全球导航。它已成为必不可少的一个代理能够在未知环境中自主。因此,当我们讨论导航我们意味着三件事, |
| •映射(新环境) |
| •路径找到 |
| •驱动 |
| 动态的无碰撞路径规划问题是至关重要的移动机器人和机器人用于国土的应用程序。是尝试创造更多的多功能信息系统通过使用自适应分布式传感器网络[3]。数百家小型传感器,配备有限内存和多个传感能力自主组织和重组自己特设网络,以应对任务需求和从环境中触发。主动传感器网络的集合可以遵循一个源的运动跟踪,举个例子,一个移动的车辆。它可以指导地面物体的运动,例如,监视机器人。或者它可以集中在一个特定区域,例如,一个火为了本地化源头和跟踪其传播。路径找到技术可以分为局部方法和全局方法[4]。 |
| 以下假设是关于机器人及其环境: |
| 1。机器人周围是一个环境已知路径和路径组成的十字路口。 |
| 2。机器人可能只沿着一组定义的通路。 |
| 3所示。机器人的起源和目的都是定义多个通路的十字路口。 |
| 4所示。机器人的运动随机环境变量,如交通和地板表面,可以改变机器人的实际位置。 |
| 5。机器人维护信仰状态对其位置,但不能确保这一信念的有效性因有限阵列的传感器。 |
| 6。环境的各个方面可以感觉到和公认的标志性建筑独特的一个特定的位置 |
| 来表示机器人的环境被称为一个图表,每个通路由图表示边缘和每个通路的十字路口由一个图的顶点。机器人的起源和目的地都必须图顶点的集合的元素。寻路算法必须返回一个顺序访问的顶点到达目的地。寻路算法设计,包括实时导航、导航等在各种意想不到的困难。如上所述,假设机器人的运动是随机的。这是由于环境因素,如不同机器人的车轮之间的摩擦和多个机器人之间的地板表面,可以创建差异的信念状态和它的实际位置。此外,交通等因素的途径会影响效率和机器人的运动精度,与更高的交通途径会引入额外的环境力量而且调整机器人的位置而可能放缓机器人的运动。 |
| 机器人是一个极其动态的领域与蓬勃发展的技术进步以及其他新兴技术,如信息技术、生物技术、纳米技术和机器人技术将有助于增加对经济增长的机会,极大地影响未来一代与巨大的社会和经济的影响[5]。机器人是由可移动的物理结构,电力系统(液压、电气或气动),传感器系统,各部分发动机和一个“大脑”,它告诉该怎么做。他们可能有一个“手臂”,所谓的端效应或使用工具或可以触手。他们通常会有一个传感器,使他们能够获得周围正在发生的事情的信息。本文是机器人的特点,基于控制系统。我们如何可以贡献开发的体系结构和分层表示指挥和管理一群使用自主移动机器人控制。自主控制机器人是机器人执行的行为或任务高度自治,它尤其可取的在空间探索等领域,清洁地板,修剪草坪,和废水处理[6]。自主机器人是世界上能够执行任务的智能机器本身没有明确的人工控制。这个模型包含拓扑和几何表示的帮助下控制系统根据不同的控制运动规划、电子传感器、数字组件力学,协调,动作,学习和适应。空间的拓扑检查提前知道,机器人能够导航墙的沿着不同的方向,同时避免由于建筑结构不同的障碍。 Making systems of various kinds perform well is what automatic control is all about. The interplay between robotics and control theory has a rich history extending back over half a century. |
| 我们开始这部分的报告,简要回顾这个相互作用的历史,关注基本面,如何控制理论使得解决根本问题在机器人和机器人技术中存在的问题是如何激励新控制理论的发展。 |
相关工作 |
| 机器人控制体系结构机器人第一次计划任务的解决方案推理其行动的结果,然后执行它。控制过程经过一系列传感、模型更新和规划步骤。运动规划,有时被称为“运动计划”,是找到一个运动的行为从a到B位置一个全球运动规划师通常会生成一个低分辨率的高级运动从a到B,避免大的障碍和处理导航区。当地运动规划通常只给出了一个高分辨率的低级运动一段从a到B的全球运动,避免小运动障碍和处理计划:角的,适当的速度等等。规划模块还负责发送问题被解决的目标监测,以监督执行建议的解决方案。种植,规划模块(已经知道域)将得到的高水平状态执行模块。然后整个过程将开始再次使用这个状态作为新的初始状态,电子传感器设备,提供关于物理世界的信息。数字计算,给出了计算机器人运动探测到任何类型的计算模拟或数字的方法。力学是使机器人向前或向后移动的位置。这里我们描述机器人多机器人协调的本质与障碍致动器的帮助下.Co-ordinate水平接收命令执行预定的具体控制任务从控制管理器上面。它提供了适当的顺序控制和识别,致动器,用于机器人的帮助下移动机器人的肌肉哔哔声,汽车或LED灯在下面图1所示。 |
| 机器人模型,给出了机器人研究我们的大部分论文刚性机器人的控制与著名的大型模型开始,尝试标准技术应用到该模型中,在自适应控制的本质,他们反馈线性化等。这一地区是由饱和,和剩下的时间不多了要做对比。设计机器人的问题,他们很容易控制相对较少受到关注的一个最近的趋势在机器人技术是使用直接驱动马达。“直接驱动”是指机器人的链接是直接耦合到各自的电机轴不经过任何传动装置。这种方案的优点是,立即消除了反弹的影响,关节的灵活性,等等。这源于齿轮的使用,因此可以追求更精确和可重复的性能从机器人? |
导航和运动设计的本质问题 |
| 在本节中,我们定义各种术语,用于移动机器人导航和运动计划。我们可以定义一个机器人作为一个可编程的,多功能机械手设计分配任务,比如移动工具或特定设备通过变量项目动作来执行不同的任务。机器人必须存在于物理世界。第二点是环境。环境是机器人周围的物质世界。因此,机器人必须效应器,它可以与环境交互。情报可能在许多方面解释。这可能被视为学习的能力、理解或解决新形势下,有效地利用推理。它也处理应用程序的知识改变环境。它还包括理解、学习、理解、推理和思考。 Intelligence also deals with rationality. |
b。运动规划的体系结构 |
| 运动规划是自主移动机器人的一个重要元素,让机器人找到两点之间最短的运动或最优的运动。最优运动运动能减少数量的转向。算法来找到一个最短运动不仅在机器人技术是重要的,而且在网络路由。 |
| 机器人模型首先是基于运动规划中我们必须计划他的运动导航不同方向的墙,同时避免不同障碍由于建筑机器人的结构。机器人运动设计需要的地图环境和需要注意的位置的地图。我们将假设现在机器人可以本地化本身配有地图,能够避免暂时的障碍。控制过程经过一系列传感、模型更新和规划步骤。运动规划,有时被称为“运动计划”,是找到一个运动的行为从a到B位置一个全球运动规划师通常会生成一个低分辨率的高级运动从a到B,避免大的障碍和处理导航区。当地运动规划通常只给出了一个高分辨率的低级运动一段从a到B的全球运动,避免小运动障碍和处理计划:角度,合适的速度等等。规划模块还负责发送问题被解决的目标监测,以监督执行建议的解决方案。的种植规划模块(已经知道域)将得到的高水平状态执行模块。使移动机器人分层表示从一个用户定义的出发点到目的地B点通过避免未定义的障碍的路线。一个基本的运动规划问题是产生连续运动,连接一个开始配置和目标配置G,同时避免碰撞与已知的障碍。机器人和障碍物几何描述一个2 d或3 d的工作区,而运动是表示为(可能higherdimensional)配置空间中运动。 Accurate maps of the environment are essential for many mobile robot navigation tasks such as motion planning, surveillance, or coverage. Although real-world environments generally are dynamic, most existing mapping approaches assume the environment to be static. |
算法 |
| 占用网格,介绍了通过这次和精灵(1985),基于正则空间的镶嵌成的矩形细胞。他们存储在每个单元c T网格的概率(c)中相应的区域环境是被一个障碍。一个特定的上下文中假设占用网格环境是静态的。因此,没有明确的模型如何占用变化随着时间的推移,在这种方法中。本文描述的方法克服了这一局限性。适用摘要(见拉宾(1989))显式地表示信仰的入住率每个网格单元的状态和状态转移概率。虽然占用网格作为细胞的状态静态,我们明确表示模型状态改变,这使得它特别适合于不断变化的环境。我们的方法适用于特异性隐马尔可夫模型(HMM)代表的信念入住率每个网格单元的状态和状态转移概率。入住率映射算法的目标是估计后验概率在地图的数据: |
| 占用网格细胞Cij |
| •命题occ (i, j)意思是:——细胞Cij占领。 |
| •概率:T (occ (i, j))区间[0,1]。 |
| •几率:(i, j) o (occ)范围(0,+∞)。o (A) = P (A) / P (?) |
| 日志赔率:日志o (occ (i, j))范围(−∞,+∞) |
| •每个细胞Cij持有价值日志o (occ (i, j)) - Cij = 0对应于T (occ (i, j)) = 0.5 |
| 运动是随机抽样,他们将最有可能机器人沙基并不是最优。结果可以大大提高了运行额外的算法使运动。 |
| 概率占用网格 |
| 在这些情况下,机器人系统可以考虑等变化不一致的测量在给定的时间。考虑的情况下,在给定的时刻,一个机器人地图一个表在您的环境中。然后,出于某种原因,这张桌子在以后搬到另一个位置,这个位置的改变,也应该改变机器人地图上,并没有发生。,当机器人经过的地方机器人的表以前似乎是在一个新的位置没有映射,因为对象应该发现,事实并非如此。 |
| 我们将应用贝叶斯法 |
 |
| 一个是occ (i, j) |
| 和B是一个观察r = D |
| 我们可以简化使用日志赔率表示。 |
使用贝叶斯法则容易更新 |
| 这项工作的贡献是一个映射方法来改变环境,代表了空间的占用和显式描述如何入住率会随着时间而改变。我们描述我们的模型,如何表示可以更新为新的观测变得可用,以及如何预测未来占用状态。此外,我们目前的两种技术,一个离线和在线,估计状态转换概率模型的观测数据。我们在模拟和评估我们的方法使用真实数据。结果表明,我们的模型产量高度精确的地图改变环境。此外,我们描述的显式表示的动力学环境可以用来提高机器人的运动规划的性能。的占用状态细胞的更新遵循贝叶斯方法。 |
| •贝叶斯法则可以写:o (| B) = ?(B |) * o(一个) |
| •把日志赔率乘法成加法。日志o (| B) =日志? (B |) +日志o (A) |
| •容易更新单元格内容。 |
伪代码 |
占用网格细胞更新 |
| •细胞Cij保存日志o (occ (i, j))。 |
| •D r = D意味着传感器返回的证据。 |
| •每个细胞Cij从每个传感器的阅读积累的证据。 |
| 步骤1:日志o (| B) =日志? (B |) +日志o (A) |
| 步骤2:日志o (occ (i, j)) +日志?(r = D | occ (i, j)) =日志o (occ (i, j) | r = D) |
| 一旦发现一个可能的运动,可以减少这个空间范围最大的椭球motion-length。这个椭球可以由安装导线之间的最大运动长度和目标开始,向外推动它用钢笔。所有的区域都可以达到与笔线可以包含一个点的限制,可能导致更短的运动。 |
仿真结果 |
| 为了一个运动计划,我们需要代表计算机的环境。我们区分两种互补的方法离散和连续近似。在离散近似,地图分为块相同的(例如,一个网格或六角图)或不同尺寸(如房间建筑)。离散的地图是机器人的主要代表。连续近似的定义需要内部(障碍)和外部边界,通常的形式一个多边形,而运动可以被编码为实数序列。 |
| 目前最常见的地图是占用网格地图。网格地图,环境是名誉扫地的任意分辨率的广场,例如1 cm x 1厘米,障碍明显。概率占用网格,网格细胞的概率也可以用它们包含一个障碍。这是特别重要的,当机器人感知障碍物的位置是不确定的。这项工作的贡献是一个映射方法来改变环境,代表了空间的占用和显式描述如何入住率会随着时间而改变。 |
| 模型基于占用网格提出是最常用的度量方法之一。环境作为常规网格表示的细胞,每个单元格的值编码它的状态可以是免费的,占领,或者不映射(定义)。细胞的入住率价值决定使用概率方法,作为输入估计的距离从给定的数据对象计算传感器。通过贝叶斯方法,可以在每次更新单元格值,执行测量。注意,每次更新整个网格的一个子集。由此产生的模型可以直接使用环境的地图导航路径规划任务,避障,姿态估计。图ilustrates深度传感器测量的表示2 d网格占用。灰色细胞有未知的入住率价值观,白细胞是免费的和黑色细胞被占领。该方法的主要优点是:很容易构造和它可以尽可能的准确。 |
| 所有细胞网格的初始化与灰色意味着在开始占用值是未知的。视野内的读数的声纳、白细胞(免费)和黑色细胞(占用)可以确定。 |
结论 |
| 在本文中,我们提出一个泛化的入住率网格(这次和精灵1985),最受欢迎的映射方法在移动机器人。本文提出的体系结构规划机器人的运动控制和可重构的自主移动机器人导航控制机器人系统建议沿不同方向的墙,同时避免不同的障碍,由于结构建筑。出现了各种技术开发的机器人和机器人机器人科学“自治”不需要一个人来操作它更重要的是,它还必须有人类的能力来“学习”从其经验和错误。这是许多设计师一个重要目标。运动规划是一个持续的研究问题。发现高自由度碰撞免费运动机制等多个武器操作在一个共同的空间,多机器人系统,或系统涉及动力学(因此将衍生品的状态变量添加到规划问题)可能会无法接受长时间解决。我们正在致力于自动控制改善控制过程的模块的移动机器人导航方向避免障碍也是我们未来工作的一部分。媒介方面目标包括方面的改善控制架构和导航墙的沿着不同的方向,同时避免由于建筑结构不同的障碍。 |
数据乍一看 |
|
|
引用 |
- 美国杜伦(2002)。机器人映射:一项调查。在Lakemeyer、g和Nebel B。,editors, Exploring Artificial Intelligence in the New Millenium.Morgan Kaufmann
- g . Grisetti c . Stachniss w . Burgard(2007)改善网格技术与Rao-Blackwellized Mappin粒子滤波,IEEE反式机器人,卷23。
- ACM交易传感器网络(TOSN)卷1,问题1(2005年8月)目录页:3 - 35年出版:2005 ISSN: 1550 - 4859
- 机器人技术:最先进的和未来的挑战。
- En.wikipedia。org/wiki/Autonomous机器人
- 马克·w·Spong和龟田Fujita控制机器人。
|
菜单
